主要观点：知识图谱对于向用户提供相关搜索结果至关重要，能满足相关搜索的四个标准，包括查询、上下文、用户和业务目标。文中介绍了知识图谱在各行业的应用案例，如电商、企业网络、金融、医疗、刑事调查等，还讨论了数据稀疏性等问题，以及如何将知识图谱与Elasticsearch和Neo4j结合来提供相关搜索服务，包括存储多个视图、利用机器学习等，最后得出应使用合适工具处理不同任务的结论。
关键信息：

• 知识图谱能聚集和链接多种数据源的数据，便于增长、查询、维护和保持更新。
• 各行业有不同的知识图谱应用案例，如电商的多数据源处理等。
• 相关搜索围绕文本、用户、上下文和业务目标四个维度，知识图谱在其中能发挥重要作用。
• 可通过多种方式利用知识图谱实现相关搜索，如信息提取、推荐引擎等。
• 以电商搜索为例，需考虑多数据源和用户等因素，设计合适的知识图谱基础设施和数据流程。
• 结合Neo4j和Elasticsearch时，有不同的集成方法，应根据需求选择更高效的方式。
  重要细节：
• Forrester Wave for Master Data Management认为知识图谱能提供主数据域的上下文窗口和域间链接。
• 在电商中，产品有多个类别层次，知识图谱能很好地处理此类问题。
• 相关搜索的四个维度各自的作用及相互关系。
• 知识图谱可通过自然语言处理提取文本中的语义结构等信息并存储在图中。
• 设计的知识图谱基础设施中，各部分的作用及数据流程。
• 利用机器学习平台处理和存储知识图谱中的数据。
• Elasticsearch用于提供快速、可靠的文本搜索等功能。
• 信号建模和排名函数用于控制相关性，需平衡精度和召回率。
• 个性化搜索和概念搜索的方法及应用。